【学习笔记】去 AI 味十大 Skill 榜：原理拆解、横向对比与选型指南
📌 内容来源：本文榜单整理自 LINUX DO 讨论帖《去 AI 味十大 skill》（2026-06-20），各 Skill 的实现细节与来源来自对应 GitHub 仓库；非逐字转载，含个人分析、横向对比与方法论提炼。
最近在 LINUX DO 上刷到一张「去 AI 味十大 Skill 榜」，把当下围绕 Claude Code / Codex / Hermes Agent 生态里、专门用来「让 AI 写的稿不再一眼假」的十个 Skill 拉了个榜单。我挨个扒了一遍它们的 GitHub 仓库，发现这十个东西虽然名字五花八门，背后其实是同一套方法论。
这篇笔记就做三件事：把每个 Skill 是什么、来源在哪讲清楚；按方法论给它们分个类、做个横向对比；最后提炼出一份不依赖任何 Skill 也能用的「去 AI 味」检查清单和改写对照表。
1. 先说结论：什么是「AI 味」
在聊 Skill 之前，得先搞清楚我们到底在去什么。「AI 味」不是某种玄学，它本质上是 LLM 在 RLHF 训练后被规训出来的一套**「安全、得体、面面俱到」的模式化写作**。安全的结果就是无聊——一眼能看出「这不是人写的」。
典型的 AI 味有五个特征：
| 特征 | 表现 | 举例 |
|---|---|---|
| 套路结构词 | 过度依赖固定过渡词 | 首先／其次／再次／最后、总而言之、综上所述、值得一提的是、不难发现、由此可见 |
| 词汇机器味 | 偏爱书面化、抽象动词 | 赋能、助力、旨在、致力于、涵盖；「利用」代替「用」、「进行讨论」代替「聊聊」 |
| 结构过于工整 | 数字列举、段落对称 | 永远的「总—分—总」，每段长度相近，开头千篇一律 |
| 正能量升华 | 结尾必须拔高 | 鸡汤式总结、强行上价值、不敢表达负面 |
| 内容空洞 | 信息密度低 | 没有具体案例、数据、个人经历；观点中庸不表态 |
一句话：AI 味 = 模式化 + 不犯错 + 没人味。所有去 AI 味的 Skill，本质上都是在跟这五条特征对着干。
2. 十大 Skill 全景一览
先把十个 Skill 摆一起看，后面再分门别类细讲。
| # | Skill | 一句话定位 | 方法论派别 | 主要语言 | 来源 |
|---|---|---|---|---|---|
| 01 | humanizer | 去 AI 写作痕迹的元老，鼻祖 | 去味·去腔 | 英文 | blader/humanizer |
| 02 | Humanizer-zh | 中文学术去味、降检测率 | 去味·去腔 | 中文 | redbaronyyyyy-eng/humanizer-zh-academic |
| 03 | stop-slop | 去掉文字里的套路腔 | 去味·去腔 | 中英 | yanyintingyou/stop-slop-cn-en |
| 04 | taste-skill | 给 AI 审美，少写无聊套话 | 审美判断 | 通用 | leonxlnx/taste-skill |
| 05 | ai-flavor-remover | 去 AI 味，专治模板句壳 | 去味·去腔 | 中文 | B1lli/remove-ai-flavor-writing-skill |
| 06 | shuorenhua | 「说人话」中文去味改写 | 去味·去腔 | 中文 | MrGeDiao/shuorenhua |
| 07 | nuwa-skill | 蒸馏任何人的表达风格 | 文风蒸馏 | 通用 | alchaincyf/nuwa-skill |
| 08 | writing-agent | 去 AI 味全栈写作系统 | 全栈系统 | 通用 | 社区合集（见文末参考资料） |
| 09 | chatgpt-comparison-detection | 检测文本是不是 AI 写的 | 检测 | 通用 | Hello-SimpleAI/chatgpt-comparison-detection |
| 10 | De-AI-Prompt-Enhancer | 去 AI 味提示词增强 | 提示词增强 | 中文 | OUBIGFA/De-AI-Prompt-Enhancer-Writer-Booster-SKILL |
可以看出，十个里有一半都是「去味·去腔」这一派，差别主要在语言和切入角度。下面按派别拆。
3. 按方法论分六大派
3.1 去味·去腔派（模式替换，绝对主力）
这是榜单里人数最多的一派，思路高度一致：把「AI 写作的高频信号」整理成一份清单，然后让模型逐条扫描、改写掉。差别只在于清单针对哪种语言、聚焦哪类毛病。
humanizer（blader/humanizer，25k+ ⭐）
整个生态的鼻祖。它的核心思路是基于 Wikipedia《Signs of AI-generated writing》相关条目，把英文 AI 写作的典型信号整理成一套可执行规则。后面几乎所有语言版本都是它的 fork 或精神继承者。定位英文，是这一派的「祖师爷」。
Humanizer-zh（redbaronyyyyy-eng/humanizer-zh-academic）
中文版，而且专门冲着「学术写作 + 降 AIGC 检测率」去。把 humanizer 的思路本地化到中文：治理「首先/其次」「综上所述」「赋能」这类八股词，目标是让中文学术稿在知网、大雅等检测平台上没那么扎眼。
stop-slop（原版属 Hermes Agent 生态，中文适配见 yanyintingyou/stop-slop-cn-en）
名字直白——「别再 slop（糊弄）了」。聚焦「套路腔」，即那些一看就是模型硬凑的过渡句和总结句，中英双语都管。
ai-flavor-remover（B1lli/remove-ai-flavor-writing-skill，Codex 生态）
中文去味，但切入点更具体：专治两类东西——模板句壳（「在当今快速发展的时代背景下……」这种万能开头）和假互动结尾（「让我们一起来看看吧！」「你学会了吗？」）。颗粒度比前几个更细。
shuorenhua（MrGeDiao/shuorenhua）
「说人话」——名字就是主张。定位是「中文优先的去 AI 味改写」，强调三件事：保事实（不能为了去味改错数据）、分场景（公众号、报告、文案语气不同）、改完可直接发布（不是给你草稿，是给你成品）。兼容 Codex / Claude Code / Cursor / ChatGPT。
这五个的共性：都把「去 AI 味」当成一个有边界、可枚举的改写任务，而不是玄学。这是整张榜单最值得学的思路。
3.2 文风蒸馏派 —— nuwa-skill
alchaincyf/nuwa-skill（女娲）。这一派的思路跟前五个完全不同：它不删「AI 味词」，而是把某个真实人物的表达风格蒸馏成一个 Skill。
你可以喂给它马斯克、Naval、芒格、费曼的语料（或自己的历史文章），它提炼出这个人的句式、用词、节奏，之后让模型按这套风格写作。基于开放的 Agent Skills 协议，跨 runtime，Claude Code / Codex / Cursor / ChatGPT 都能跑。
换句话说，前五派是「别写得像个机器」，nuwa 是「写得像某个人」——这是更高级、也更难的一档。
3.3 审美判断派 —— taste-skill
leonxlnx/taste-skill，口号是「gives your AI good taste」。需要说明的是，它的仓库实际上主要面向 UI / 设计审美（布局、排版、动效、间距，防止 AI 生成千篇一律的样板界面），并非纯粹的写作 Skill。
之所以被归进「去 AI 味」榜单，是因为它解决的是同一个根问题——让模型的输出摆脱「无聊的默认值」。不管是写界面还是写文字，「有审美、敢取舍」都是去 AI 味的底层能力。如果你要做的是前端 / 设计相关，它比写作类 Skill 更对路。
3.4 全栈系统派 —— writing-agent
榜单里的「writing-agent（去 AI 味全栈写作系统）」源自社区合集（X 用户 @kakao8888 的去 AI 味 Skill 合集是这批榜单的重要入口，见参考资料）。它不是单点改写，而是把写作的全流程——选题、起草、去味、自检——串成一个 Agent 系统。
我没找到它唯一权威的 GitHub 主仓库（社区里同名项目较杂），所以这条更建议你当成「去 AI 味 + 全流程编排」的思路参考，而不是直接 clone 的项目。
3.5 检测派 —— chatgpt-comparison-detection
Hello-SimpleAI/chatgpt-comparison-detection。严格说它不是「去味」，而是「检测」——配套 HC3（Human ChatGPT Comparison Corpus）数据集和模型，用来判断一段文本到底是不是 AI 写的。
把它放进榜单的逻辑很清楚：去味之前先知道有多「AI 味」。改完一遍，跑个检测看分数降没降，形成闭环。检测和去味是一对镜像问题。
3.6 提示词增强派 —— De-AI-Prompt-Enhancer
OUBIGFA/De-AI-Prompt-Enhancer-Writer-Booster-SKILL。这一派的姿势最轻——它不在运行时改写你的稿子，而是给你一套「去 AI 味的提示词」，打包成 SKILL 格式，Claude Code / Cursor / Windsurf 都能用。
适合不想装一堆运行时 Skill、只想在 system prompt 里塞一段「写的时候自动避开套路」的人。本质是把前面几派的方法论固化成提示词。
上手提示：这批 Skill 大多遵循开放的 Agent Skills 协议，多数支持「一行命令安装」，并且跨 Claude Code / Codex / Cursor 等多个 runtime。具体装法看各仓库 README，本文不逐个贴命令。
4. 共同的方法论：这些 Skill 到底在做什么
把六个派别摊开看，底层全是同一套三步走：
1. 枚举信号 (pattern catalog)
── 把「AI 写作的高频特征」整理成清单（八股词、模板句壳、对称结构、升华结尾……）
2. 改写规则 (rewrite rules)
── 针对每类信号定义替换/重构策略（口语化、打碎对称、加细节、删升华）
3. 自检 / 评分 (self-check)
── 改完扫描一遍，对剩余的 AI 味打分，必要时再过一轮而且这条方法线的源头很清晰：Wikipedia《Signs of AI-generated writing》→ blader/humanizer → 各语言 fork。中文版（Humanizer-zh、ai-flavor-remover、shuorenhua）无非是把英文那套信号清单换成中文的「首先/其次/赋能/综上所述」，再加一点本地化的毛病（比如公众号特有的「假互动结尾」）。
这意味着：你其实不必非得装某个 Skill。把下面这份清单存下来，写作前对照扫一遍，就能干掉八成的 AI 味。
一份拿来即用的「AI 味检查清单」
□ 开头是不是「在……背景下／随着……的发展」这类万能句？
□ 过渡是不是「首先／其次／再次／最后」一路排下来？
□ 结尾是不是「综上所述／总而言之／让我们一起……」强行升华？
□ 有没有堆「赋能／助力／旨在／致力于／涵盖」这类抽象动词？
□ 有没有「进行讨论」「做出贡献」这种把动词名词化的冗余表达？
□ 段落是不是长度差不多、结构高度对称？
□ 通篇有没有一个具体案例、数据或个人经历？
□ 有没有一句明确的、带立场的判断（而不是面面俱到）？
□ 语气是不是从头到尾一样客气、一样正能量？九条里命中三条以上，基本就是「一眼假」。
5. 改写对照表（拿来即用）
| AI 味表达 | 人话表达 |
|---|---|
| 在当今快速发展的时代背景下 | （直接删掉，或换成具体场景） |
| 首先……其次……再次……最后 | 用「一是……另外……」或干脆拆成自然段 |
| 综上所述 / 总而言之 | 所以／说白了／一句话讲 |
| 值得一提的是 | 顺便说一句／还有一点 |
| 我们一起来看看吧 | （删掉，或换成具体动作） |
| 赋能（用户）／助力（企业） | 帮（用户）／让（企业）能 |
| 进行讨论 / 进行研究 | 聊／研究 |
| 旨在提升效率 | 想让效率高一点 |
| 这充分体现了……的重要性 | （删掉，或换成具体后果） |
| 你学会了吗？ | （删掉） |
这张表基本覆盖了中文去味 Skill 里最高频的替换规则。核心就一条：把书面化的、抽象的、面面俱到的词，换成你平时说话会用的词。
6. 怎么选：按场景给建议
| 你的场景 | 推荐方向 | 理由 |
|---|---|---|
| 英文博客 / 文档去味 | humanizer | 鼻祖、规则全、英文信号最准 |
| 中文学术稿、要降检测率 | Humanizer-zh | 专门冲中文学术 + 检测平台优化 |
| 公众号 / 自媒体中文稿 | ai-flavor-remover、shuorenhua | 切中文特有毛病（句壳、假互动） |
| 想模仿某个人的文风 | nuwa-skill | 唯一做「风格蒸馏」的 |
| 前端 / UI 去样板感 | taste-skill | 设计审美，非写作 |
| 改完想自检「还多 AI」 | chatgpt-comparison-detection | 检测闭环 |
| 不想装 Skill，只想改提示词 | De-AI-Prompt-Enhancer | 提示词打包，最轻 |
| 想要写作全流程自动化 | writing-agent（思路参考） | 全栈编排 |
一句话决策：中文写作首选 shuorenhua 或 ai-flavor-remover，英文首选 humanizer，要风格找 nuwa，要自检配 detection，怕麻烦就上 De-AI 提示词。
7. 诚实的坑：社区实测与局限
说了这么多好处，必须把 LINUX DO 评论区里的真实反馈摆出来，免得你装完发现「就这？」：
- 「效果一般」是高频评价。多个用户表示「用过几个，效果不是很好」「写小说试过其中几个，通常都过不了朱雀」。去味 Skill 远没有宣传的那么神。
- 检测率下降有限，且不可靠。有人实测 Humanizer-zh：知网平台检查 AI 率仍有 73%，大雅轻度疑似 80%（虽然总体报告记为 0，但那 80% 就是整段复制 AI 生成的部分）。说明它能「降低机器味」，但降不到「查不出来」。
- 检测器 vs 去味器是军备竞赛。今天的去味 trick，明天检测器就更新规则。指望一个 Skill 一劳永逸过检测，不现实。
- 哲学悖论：有评论吐槽「用 Skill 来喂给 AI，让 AI 输出人话，似乎有点滑稽」。本质是让一个机器去模仿「不像机器」——上限就在那。
- 社区共识：领域风格提炼更靠谱。不止一人指出「最好还是拿领域类的文章提炼一下风格」「想要达到自己预期，还是要通过生图去做垫子」（指用自己的真实素材打底）。
我的看法是：把这批 Skill 当成「写作自检的脚手架」，而不是「一键去味的银弹」。它们最有价值的产物其实是第 4 节那张检查清单和第 5 节那张对照表——那才是剥离了 hype 之后、真正能迁移到你任何写作里的东西。
8. 一句话总结
去 AI 味的尽头不是某个 Skill，而是「打破套路、回归口语、敢表态、有细节」——这十个 Skill 共享同一套「枚举信号 + 改写 + 自检」的方法论，把它们的规则提炼成清单，你自己就是最好的去味器。
参考资料
榜单与讨论：
- LINUX DO：去 AI 味十大 skill（原帖，2026-06-20）
- X 用户 @kakao8888 去 AI 味 Skill 合集（社区入口）
Skill 仓库：
- blader/humanizer（humanizer，鼻祖）
- redbaronyyyyy-eng/humanizer-zh-academic（Humanizer-zh）
- yanyintingyou/stop-slop-cn-en（stop-slop 中英适配）
- B1lli/remove-ai-flavor-writing-skill（ai-flavor-remover）
- MrGeDiao/shuorenhua（shuorenhua）
- alchaincyf/nuwa-skill（nuwa-skill）
- leonxlnx/taste-skill（taste-skill）
- Hello-SimpleAI/chatgpt-comparison-detection（检测）
- OUBIGFA/De-AI-Prompt-Enhancer-Writer-Booster-SKILL（De-AI 提示词）
方法论延伸：
- Wikipedia：Signs of AI-generated writing（humanizer 的思想源头）
- 知乎：文章 AI 味太浓？这 8 个技巧全方位解决机器味
- 少数派：AI + Skill 去 AI 味